利用外部数据检测生物标志物交互作用的随机临床试验中实验性疗法的疗效异质性

本研究针对肿瘤学中实验性疗法疗效存在患者亚群异质性的难题，创新性地提出利用已完成临床试验和电子健康记录(EHR)等外部数据，开发了一种基于置换检验(permutation test)的分析方法。该方法能在保持α错误控制的前提下，有效提升检测治疗效应异质性的统计功效，为精准医学时代的临床试验设计提供了新思路。

　　

在肿瘤治疗领域，新型疗法的疗效常呈现患者亚群异质性(biomarker interactions)，这种差异在药物研发初期难以预测。传统随机临床试验(RCT)设计若忽视治疗效应异质性(HTE)，可能导致关键亚群疗效信号被掩盖而造成假阴性。研究者创新性地引入外部数据(包括历史临床试验和电子健康记录EHR)，构建了基于置换检验的统计推断框架。该方法无需对数据同质性做严格假设，即使在存在未测量混杂因素、试验人群与外部数据基线特征差异等复杂场景下，仍能有效控制I类错误(α-level)。通过理论证明和胶质母细胞瘤(glioblastoma)临床试验数据的回顾性分析，证实该方法在检测亚群特异性疗效方面具有统计最优性，为精准医学时代的适应性临床试验设计提供了方法学支持。